Amazon Web Services ブログ

Category: Artificial Intelligence

Amazon SageMaker Canvas でノーコード機械学習を行うために Google Cloud Platform BigQuery からデータをインポートする

現代のクラウド中心のビジネス環境では、データが複数のクラウドやオンプレミスのシステムに分散していることが多くあります。この断片化は、お客様が機械学習 (ML) イニシアチブとして、データを統合し、分析する作業を複雑にしています。

本稿では、さまざまなクラウド環境の中でも Google Cloud Platform (GCP) BigQueryに焦点を当て、データソースを移動することなく、データを直接抽出するアプローチをご紹介します。これにより、クラウド環境間でデータ移動の際に発生する複雑さとオーバーヘッドを最小限に抑えることができるため、組織は ML プロジェクトで様々なデータ資産にアクセスし、活用できるようになります。

Figure 2: Example of a carbon credit portfolio

Contribution: Introduction to the Carbon Credit Evaluation System Using Generative AI by Osaka Gas Co., Ltd. (Second half)

This article is a contribution from Mr. Eiji Natsuaki, Executive Officer and Head of the Business Creation Division of Osaka Gas Co., Ltd., regarding the company’s efforts to use generative AI for a carbon credit evaluation system. It is the second part of a two-part series.

Figure 4: AWS Architecture Overview

Contribution: Introduction of a carbon credit evaluation system using Generative AI by Osaka Gas Co., Ltd. (First half)

This article is a contribution from Mr. Kazuya Okada, the leader of the Carbon Credit Development Unit in the Future Value Development Department of Osaka Gas Co., Ltd., regarding the company’s efforts to use generative AI for a carbon credit evaluation system. It will be introduced in two parts, this being the first part.

企業データ×生成 AI ! アクロクエストの DocCollector と Amazon Bedrock で実現する Box 内データ活用

本記事では、アクロクエストテクノロジー社の DocCollector を利用して Box 内のデータを AWS に取り込み、生成 AI アプリケーション開発のためのサービスである Amazon Bedrock を活用した RAG システムを構築する具体的な方法について解説します。

Amazon Bedrock Guardrails を使用したモデルに依存しない安全対策を実装する

生成 AI モデルは幅広いトピックに関する情報を生成できますが、その応用には新たな課題があります。これには関連性の維持、有害なコンテンツの回避、個人を特定できる情報(PII)などの機密情報の保護、ハルシネーション(幻覚)の軽減が含まれます。Amazon Bedrock の基盤モデル(FM)には組み込みの保護機能がありますが、これらはモデル固有であることが多く、組織のユースケースや責任ある AI の原則に完全に合致しない可能性があります。